×
马赛尔·马莎;卡斯滕·库查奇克;克里斯蒂安·莫斯巴赫

湍流模型不确定性量化的物理约束数据驱动方法评估。 （英语） Zbl 1521.76750号

计算。流体 255，文章ID 105837，16 p.（2023）.
概要：为了实现涡轮机械的虚拟认证过程和稳健设计，必须了解计算流体动力学的不确定性界限。湍流闭合模型的公式表明雷诺平均Navier-Stokes模拟总体不确定性的主要来源。我们讨论了应用雷诺应力张量的物理约束特征空间摄动来解释湍流模型的模型形式不确定性的常见做法。由于基本方法经常导致过多的不确定性估计，我们扩展了最近添加机器学习策略的方法。数据驱动方法的应用是为了检测流动区域，而流动区域往往缺乏湍流模型预测的准确性。这样一来，任何与选择不确定性程度有关的用户输入都应该过时。这项工作特别研究了一种方法，当没有准确的数据来判断预测时，该方法试图确定预测置信度的先验估计。近失速条件下NACA 4412翼型周围的流动证明了数据驱动特征空间扰动框架的成功应用。此外，我们特别强调了基础方法的目标和局限性。

MSC公司：

76M99型 流体力学基本方法

关键词：

不确定性量化;湍流模型;RANS公司;机器学习;数据驱动的;随机森林回归

软件：

github;Scikit公司
PDF格式BibTeX公司 XML格式引用
\textit{M.Matha}等人，《计算》。液体255，文章ID 105837，16 p.（2023；Zbl 1521.76750）
全文： 内政部 arXiv公司

参考文献：

[1] Karniadakis，G.，《量化CFD中的不确定性》，美国机械工程师协会，流体工程杂志，124，1，2-3（2002）
[2] Oberkampf，W。；Roy，C.，《科学计算中的验证与确认》（2010年）·Zbl 1211.68499号
[3] Emory，M.A.，Reynolds-averaged Navier-Stokes闭包中模型形状不确定性的估算（2014），斯坦福大学机械工程系，【博士论文】
[4] Xiao，H。；Cinnella，P.，《RANS模拟中模型不确定性的量化：综述》，Prog Aerosp Sci，108，1-31（2019）
[5] 臧，T。；Hemsch，M。；希尔伯格，M。；Kenny，S。；J.Luckring。；Maghami，P.，《航空航天飞行器基于不确定性的多学科设计方法的需求和机遇》（2002年）
[6] 杜拉萨米，K。；艾卡里诺，G。；Xiao，H.，数据时代的湍流建模，Annu Rev Fluid Mech，51，1357-377（2019）·Zbl 1412.76040号
[7] 埃默里，M。；拉尔森，J。；Iacarino，G.，《雷诺平均Navier-Stokes封闭结构不确定性建模》，《物理流体》，第25、11页，第110822条，pp.（2013）
[8] 艾卡里诺，G。；米什拉，A。；Ghili，S.，单点湍流闭合不确定性估计的特征空间扰动，Phys Rev Fluids，2，文章024605 pp.（2017）
[9] 米什拉，A。；Iacarino，G.，《雷诺平均和亚网格尺度闭包不确定性量化张量摄动的理论分析》，《物理流体》，31，7，第075101页，（2019）
[10] 米什拉，A。；Mukhopadhaya，J。；阿隆索，J。；Iacarino，G.，《不确定性下的设计探索和优化》，Phys Fluids，32，8，第085106页，第（2020）条
[11] 埃默里，M。；艾卡里诺，G。；Laskowski，G.M.，涡轮机械模拟中的不确定性量化，涡轮博览会：陆、海、空动力，第2C卷：涡轮机械（2016）
[12] Razaaly N，Gori G，Iacarino G，Congedo PM。在湍流模型导致的认知不确定性下ORC超音速喷管的优化。收录于：GPPS 2019-全球动力与推进学会。2019
[13] Mukhopadhaya，J。；怀特黑德，B.T。；昆德伦，J.F。；阿隆索，J.J。；Cary，A.W.，《航空航天工程中使用的概率气动数据库的多精度建模》，《国际不确定性量化》，10，5，425-447（2020）·Zbl 1498.76072号
[14] 兰贝蒂，G。；Gorlé，C.，《建筑物风荷载RANS预测的不确定性量化》（2019年意大利风工程协会第十五届会议论文集，Springer国际出版：Springer International Publishing Cham），402-412
[15] 艾迪，A。；吉亚西，R。；杨，X。；Abkar，M.，《风电场尾流和功率损失RANS模拟中的模型形式不确定性量化》，可再生能源，1792212-2223（2021）
[16] Hornshöj-Möller，S.D。；尼尔森，P.D。；Forooghi，P。；Abkar，M.，量化风力涡轮机尾迹雷诺平均Navier-Stokes模拟中的结构不确定性，可再生能源，1641550-1558（2021）
[17] 海斯，J。；米什拉，A。；Iacarino，G.，《使用机器学习估计RANS模型不确定性》，《全球动力推进学会杂志》，第1-14期（2021年）
[18] Morsbach，C.，涡轮机械流动应用的雷诺应力模型（2017），德国航空航天中心，Teschnische Universityät Darmstadt：德国航空航天研究中心，德国Teschniche Universität Darmstadt Darmstadd，URLhttp://elib.dlr.de/113258/
[19] Speziale，C.G.，湍流中雷诺应力闭合发展的分析方法，《流体力学年鉴》，23，1，107-157（1991）·Zbl 0723.76005号
[20] Mompean，G。；Gavrilakis，S。；机械，L。；Deville，M.，《关于使用非线性k-（ε）模型预测湍流诱导的二次流》，Phys Fluids，81856-1868（1996）·Zbl 1027.76600号
[21] 克拉夫特，T。；Launder，B。；Suga，K.，湍流立方涡粘性模型的发展和应用，《国际热流杂志》，17，2，108-115（1996）
[22] 留置权，F。；Leschziner，M.，《湍流输运模型的评估，包括非线性涡流粘度公式和后向台阶流动的二阶矩封闭》，计算与流体，23，8，983-1004（1994）·Zbl 0925.76403号
[23] 班纳吉，S。；Krahl，R。；杜斯特，F。；Zenger，C.，湍流各向异性特性的表示，不变量与特征值方法，J Turbul，8，N32（2007）·Zbl 1273.76244号
[24] 伊梅尔，M。；Chung，W.T。；Mishra，A.，《燃烧机学习：原理、进展和前景》，Prog Energy Combust Sci，91，第101010条，第（2022）页
[25] Brunton，S.L。；Noack，B.R。；Koumoutsakos，P.，流体力学的机器学习，Annu Rev fluid Mech，52477-508（2020）·Zbl 1439.76138号
[26] 朗德，B.E。；Tselepidakis，D.P。；Younis，B.A.，《旋转通道流动的二阶矩封闭研究》，《流体力学杂志》，183，63-75（1987）·Zbl 0634.76062号
[27] Breiman，L.，《随机森林》，《马赫学习》，45，5-32（2001）·Zbl 1007.68152号
[28] Geman，S。；Bienenstock，E。；Doursat，R.，《神经网络与偏差/方差困境》，《神经计算》，第4期，第1-58页（1992年）
[29] Louppe，G.，《理解随机森林：从理论到实践》（2014），【博士论文】
[30] Breiman，L.，《装袋预测》，《马赫学习》，24，123-140（2004）·Zbl 0858.68080号
[31] 佩德雷戈萨，F。；瓦罗佐，G。；Gramfort，A。；米歇尔，V。；蒂里昂，B。；Grisel，O.，Scikit-learn:Python中的机器学习，J Mach learn Res，122825-2830（2011）·Zbl 1280.68189号
[32] 王建新。；Wu，J.L。；Xiao，H。；Paterson，E.，《用于增强湍流模型的基于物理的机器学习方法：综合框架》，《Phys Rev Fluids》，3，7（2018）
[33] Ling，J。；琼斯·R·E。；Templeton，J.，《不变性系统的机器学习策略》，《计算物理杂志》，318，22-35（2016）·Zbl 1349.76124号
[34] Spencer，A。；Rivlin，R.，向量和二阶张量的各向同性完整性基础，Arch Rational Mech Anal，9，45-63（1962）·Zbl 0118.25803号
[35] Wu，J.L。；王建新。；Xiao，H。；Ling，J.，《数据驱动湍流建模预测置信度的先验评估》，Flow Turbul Combust，99，1，25-46（2017）
[36] 王，J.X。；吴，J。；Ling，J。；艾卡里诺，G。；Xiao，H.，预测湍流建模的综合物理机器学习框架（2018）
[37] 米什拉，A。；Mukhopadhaya，J。；艾卡里诺，G。；Alonso，J.，SU2湍流模型预测的不确定性估计模块，AIAA J，57（2018）
[38] DLR，德国航空航天中心，推进技术研究所，A.，TRACE用户指南（2022），http://www.trace-portal.de/userguide/trace/index.html。【2022年4月访问】
[39] Lumley，J.L.，湍流计算模型，（应用力学进展，第18卷（1979），Elsevier），123-176·Zbl 0472.76052号
[40] 马塔，M。；Kucharczyk，K.，机器学习在湍流模型不确定性量化中的适用性（2022）
[41] 李，M。；Moser，R.D.，《湍流通道流动的直接数值模拟》，《流体力学杂志》，774395-415（2015）
[42] 布鲁尔，M。；佩勒，N。；拉普，C。；Manhart，M.，《周期性山丘上方的流动——大范围雷诺数的数值和实验研究》，《计算与流体》，38，2，433-457（2009）·Zbl 1237.76026号
[43] Rossi，R.，《波状壁湍流中的被动标量输运》（2006），博洛尼亚大学：意大利博洛尼亚博洛尼亚学院，【博士论文】
[44] 拉瓦尔，J。；Marquillie，M.，汇聚-分流河道水流的直接数值模拟，（壁湍流的进展：理解和建模（2011）），203-209
[45] Menter，F。；Kuntz，M。；Langtry，R.，SST湍流模型十年工业经验，（湍流、传热和传质，第4卷（2003）），625-632
[46] 科尔斯，D。；Wadcock，A.J.，《最大升力下NACA 4412翼型绕流的Flying-hotwire研究》，AIAA J，17，4，321-329（1979）
[47] NASA，美国国家航空航天局，D.，湍流建模资源数据库（2022年），https://turbmodels.larc.nasa.gov/index.html。【2022年4月访问】
[48] Scott，D.，《多元密度估计：理论、实践和可视化》，1-360（2015）·Zbl 1311.62004号
[49] 斯坦福大学航空航天系航空航天设计实验室，D.，SU2代码（7.4.0版“黑鸟”）（2022），https://github.com/su2code/SU2。【2022年12月访问】
[50] 库克，L。；米什拉，A。；Jarrett，J。；威尔科克斯，K。；Iacarino，G.，《航空航天设计中湍流模型不确定性下的优化》，Phys Fluids，31，第105111条，pp.（2019）
[51] 艾迪，A。；Zehtabiyan-Rezaie，N。；吉亚西，R。；杨，X。；Abkar，M.，风电场雷诺平均模拟中模型形式不确定性的数据驱动量化，《物理流体》，34，第085135页，（2022）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。